MCP上下文提供者

Name: MCP上下文提供者
Author: doobidoo

作者：doobidoo19 星标更新：2025-10-06

安装使用来源：spider==github.com

项目介绍

MCP Context Provider

中心稳定的发光球体代表了在聊天会话之间持久存在的上下文。流动的数据流展示了持续对话如何连接到并从中获取信息，防止上下文丢失。

</div>

一个静态的MCP（模型上下文协议）服务器，为AI模型提供持久的工具上下文，防止聊天会话之间的上下文丢失。该服务器在Claude Desktop启动时自动加载并注入特定于工具的规则、语法偏好和最佳实践。

概览

上下文提供者充当您AI交互的持久神经核心，通过以下方式消除每次新聊天会话中重新建立上下文的需求：

🔄 持久上下文：就像可视化中的稳定球体一样，规则和偏好在Claude Desktop重启后仍然存在
⚡ 自动注入：上下文无缝流入每个对话，就像数据流连接到中央核心一样
🎯 工具特定：每个工具都有自己的上下文规则和语法偏好，创建专门的知识路径
🔧 自动修正：自动语法转换（例如，Markdown → DokuWiki）确保所有交互的一致性
📈 可扩展：轻松添加新的工具和上下文规则，扩展知识网络
🏢 企业级准备：版本控制的上下文管理提供了组织稳定性

神经网络比喻

正如图像所示，您的MCP上下文提供者功能如下：

中央球体：维持一致性的稳定、持久的上下文核心
神经通路：特定于工具的上下文规则，创建专门的知识通道
数据流：单个聊天会话通过并受益于持久上下文
网络稳定性：防止对话的短暂性质导致重要上下文信息的丢失

快速开始

选项1：自动化安装（推荐）

最简单的安装MCP上下文提供者的方法是使用提供的安装脚本：

Unix/Linux/macOS:

# 克隆仓库（包含最新源文件）
git clone https://github.com/doobidoo/MCP-Context-Provider.git
cd MCP-Context-Provider

# 运行自动化安装程序（构建新鲜包）
./scripts/install.sh

Windows:

# 首先克隆仓库
git clone https://github.com/doobidoo/MCP-Context-Provider.git
cd MCP-Context-Provider

# 运行Windows安装程序
.\scripts\install.bat

安装脚本自动：

从源代码构建最新的DXT包
创建Python虚拟环境
安装所有必需的依赖项
配置Claude Desktop设置

选项2：从DXT手动安装

# 安装DXT CLI（如果尚未安装）
npm install -g @anthropic-ai/dxt

# 下载DXT包
wget https://github.com/doobidoo/MCP-Context-Provider/raw/main/mcp-context-provider-1.2.1.dxt

# 将扩展解压到所需位置
dxt unpack mcp-context-provider-1.2.1.dxt ~/mcp-context-provider

# 导航到安装目录
cd ~/mcp-context-provider

# 创建并激活Python虚拟环境
python -m venv venv
source venv/bin/activate  # 在Windows上：venv\Scripts\activate

# 安装依赖项
pip install mcp>=1.9.4

选项3：从源代码安装

# 克隆仓库
git clone https://github.com/doobidoo/MCP-Context-Provider.git
cd MCP-Context-Provider

# 创建并激活Python虚拟环境
python -m venv venv
source venv/bin/activate  # 在Windows上：venv\Scripts\activate

# 安装依赖项
pip install -r requirements.txt

2. 配置

更新您的Claude Desktop配置文件：

配置文件位置：

Linux：~/.config/claude/claude_desktop_config.json
macOS：~/Library/Application Support/Claude/claude_desktop_config.json
Windows：%APPDATA%\Claude\claude_desktop_config.json

对于虚拟环境安装（推荐）：

{
  "mcpServers": {
    "context-provider": {
      "command": "/path/to/mcp-context-provider/venv/bin/python",
      "args": ["/path/to/mcp-context-provider/context_provider_server.py"],
      "env": {
        "CONTEXT_CONFIG_DIR": "/path/to/mcp-context-provider/contexts",
        "AUTO_LOAD_CONTEXTS": "true"
      }
    }
  }
}

对于系统Python安装：

{
  "mcpServers": {
    "context-provider": {
      "command": "python",
      "args": ["context_provider_server.py"],
      "cwd": "/path/to/MCP-Context-Provider",
      "env": {
        "CONTEXT_CONFIG_DIR": "./contexts",
        "AUTO_LOAD_CONTEXTS": "true"
      }
    }
  }
}

重要：用实际安装路径替换/path/to/mcp-context-provider。

3. 验证安装

运行验证脚本来确保一切配置正确：

python scripts/verify_install.py

4. 重启Claude Desktop

更新配置后，重启Claude Desktop以加载MCP服务器。

工作原理

架构

上下文提供者服务器：加载JSON上下文文件的Python MCP服务器
上下文文件：存储在/contexts目录中的特定于工具的规则
Claude Desktop集成：在配置中注册的MCP服务器
自动加载：在启动时注入上下文，并在聊天之间持久存在

上下文流程

启动 → 加载上下文文件 → 注册MCP工具 → 所有聊天中可用的上下文

可用工具

一旦加载，以下工具将在所有聊天会话中可用：

核心上下文工具：

get_tool_context：获取特定工具的上下文规则
get_syntax_rules：获取语法转换规则
list_available_contexts：列出所有已加载的上下文类别
apply_auto_corrections：应用自动语法修正

阶段1 - 会话管理：

execute_session_initialization：初始化与内存服务集成的会话
get_session_status：检索详细的会话初始化状态

阶段2 - 动态上下文管理：

create_context_file：动态创建新的上下文文件并进行验证
update_context_rules：更新现有上下文规则并备份及验证
add_context_pattern：添加自动触发部分的模式以集成记忆

阶段3 - 智能学习（v1.6.0+）：

analyze_context_effectiveness：基于记忆驱动洞察分析上下文有效性
suggest_context_optimizations：根据使用模式生成全局优化建议
get_proactive_suggestions：提供工作流程改进的主动上下文建议
auto_optimize_context：根据学习引擎建议自动优化上下文

截图显示了MCP上下文提供者在Claude Desktop中的操作。工具自动检测并列出所有可用的上下文类别（dokuwiki、terraform、azure、git、general_preferences），并提供对特定工具规则和指南的交互访问。

</div>

上下文文件

服务器从/contexts目录加载上下文文件：

dokuwiki_context.json：DokuWiki语法规则和偏好
terraform_context.json：Terraform命名约定和最佳实践
azure_context.json：Azure资源命名和合规规则
git_context.json：Git提交约定和工作流模式
general_preferences.json：跨工具偏好和标准

上下文文件结构

每个上下文文件遵循此模式：

{
  "tool_category": "toolname",
  "description": "特定于工具的上下文规则",
  "auto_convert": true,
  "syntax_rules": {
    "format_rules": "转换模式"
  },
  "preferences": {
    "user_preferences": "设置"
  },
  "auto_corrections": {
    "regex_patterns": "自动修复"
  },
  "metadata": {
    "version": "1.0.0",
    "applies_to_tools": ["tool:*"]
  }
}

示例

DokuWiki语法转换

输入（Markdown）：

# 我的标题
这是 `内联代码` 和这是一个 [链接](http://example.com)。

自动转换为DokuWiki：

====== 我的标题 ======
这是 ''内联代码'' 和这是一个 [[http://example.com|链接]]。

Azure资源命名

输入：storage_account_logs_prod 自动更正为：stlogsprod（遵循Azure命名约定）

Git提交消息

输入：修复了登录错误 自动更正为：fix: 解决登录身份验证问题

添加新上下文

要添加对新工具的支持：

创建一个新的JSON文件：contexts/{toolname}_context.json
遵循标准上下文结构
重启Claude Desktop以加载新的上下文

服务器自动检测并加载contexts目录中的任何*_context.json文件。

好处

对开发者

不需要在新聊天中重新建立上下文
自动语法修正节省时间
所有工作的格式一致
最佳实践自动应用

对团队

跨团队成员共享上下文规则
版本控制的标准
一致的代码和文档格式
自动强制执行企业合规性

对组织

中央化的上下文管理
多种工具的可扩展性
上下文更改的审计跟踪
简单的部署和更新

🧠 阶段3：智能学习系统（v1.6.0+）

革命性的学习能力

版本1.6.0引入了协同智能学习系统，将MCP上下文提供者从静态配置工具转变为智能、自我改进的上下文进化平台。

🎯 关键学习特征

智能上下文进化

自动有效性分析：上下文基于使用模式和记忆数据自我分析
智能优化建议：AI驱动的上下文改进建议
自动优化：上下文通过模式学习和偏好调整自动改进
主动智能：建议缺失的工具上下文和工作流程改进

真正的记忆服务集成

持久学习：与mcp-memory-service全面集成，用于持久学习数据
使用模式跟踪：全面跟踪上下文修改和有效性
记忆驱动洞察：历史数据分析以实现持续改进
团队知识传播：跨团队成员共享学习洞察

高级MCP工具

4个新的智能工具用于上下文管理：

analyze_context_effectiveness：基于记忆的有效性分析
suggest_context_optimizations：全局优化建议
get_proactive_suggestions：工作流程改进建议
auto_optimize_context：基于学习的自动上下文优化

🔄 学习工作流程

上下文使用 → 记忆存储 → 模式分析 → 优化建议 → 自动改进
     ↓              ↓                 ↓                    ↓                     ↓
会话数据 → 学习引擎 → 有效性评分 → 主动建议 → 增强的上下文

📊 学习指标

系统跟踪和分析：

上下文有效性评分（0.0-1.0范围）
使用模式识别（频率、修改、互动）
会话性能优化（亚秒级初始化目标）
记忆驱动趋势分析（历史使用和改进数据）

🚀 阶段3设置

前提条件：需要mcp-memory-service集成

配置记忆服务（.mcp.json）：

{
  "mcpServers": {
    "memory": {
      "command": "/path/to/uv",
      "args": ["--directory", "/path/to/mcp-memory-service", "run", "memory"],
      "env": {
        "MCP_MEMORY_STORAGE_BACKEND": "sqlite_vec",
        "MCP_MEMORY_SQLITE_PATH": "/path/to/memory.db"
      }
    },
    "context-provider": {
      "command": "python",
      "args": ["context_provider_server.py"],
      "env": {
        "CONTEXT_CONFIG_DIR": "./contexts",
        "AUTO_LOAD_CONTEXTS": "true"
      }
    }
  }
}

测试学习功能：

# 运行全面的阶段3测试
python tests/test_phase3_learning.py

# 检查学习引擎健康状况
python -c "
from context_provider_server import ContextProvider
import asyncio
async def test():
    provider = ContextProvider()
    stats = await provider.memory_service.get_memory_stats()
    print(f'学习系统状态：{stats}')
asyncio.run(test())
"

📚 阶段3文档

学习系统指南：智能功能的综合指南
API参考：学习组件的完整API文档
示例和用例：实用示例和企业用例

🎉 实施路线图完成

✅ 阶段1：会话初始化与记忆服务集成 ✅ 阶段2：动态上下文文件创建和管理 ✅ 阶段3：与智能学习的协同整合

MCP上下文提供者现在提供企业级智能上下文进化，具有从使用模式中学习并自动优化的自改进上下文，通过真实记忆服务集成。

高级用法

自定义上下文规则

通过遵循既定模式创建自己的上下文文件。服务器支持：

基于正则表达式的自动修正
特定于工具的偏好
条件格式化规则
多工具上下文继承

环境特定上下文

使用环境变量加载不同的上下文集：

{
  "env": {
    "CONTEXT_CONFIG_DIR": "./contexts/production",
    "ENVIRONMENT": "prod"
  }
}

故障排除

常见问题

上下文未加载：检查Claude Desktop配置中的文件路径
服务器无法启动：验证是否安装了Python依赖项
规则未应用：检查上下文文件中的JSON语法

详见TROUBLESHOOTING.md以获取详细解决方案。

文档

上下文指南：完整的上下文文件参考
开发者指南：创建自定义上下文
示例：实际使用示例
故障排除：常见问题和解决方案

📚 维基和用例

在我们的**社区维基**中探索高级集成和实际用例：

维基首页：关于上下文提供者用途的综合指南
带有记忆集成的AppleScript：展示智能脚本管理和持久记忆的高级工作流程
集成示例：社区驱动的上下文提供者工作流程示例
最佳实践：最大化上下文提供者效果的技巧和模式

维基演示了上下文提供者如何从简单的规则存储转变为智能、自我改进的工作流程自动化。

DXT包分发

MCP上下文提供者作为桌面扩展（DXT）包提供，便于分发和安装：

包：mcp-context-provider-1.0.0.dxt（18.6 MB）
内容：包含所有依赖项的完整服务器
平台：Windows、macOS、Linux（Python 3.8+）
依赖项：自包含（无外部pip需求）

构建DXT包

要从源代码构建自己的DXT包：

# 安装DXT CLI
npm install -g @anthropic-ai/dxt

# 构建包
cd dxt
dxt pack

# 包将被创建为mcp-context-provider-1.0.0.dxt

分发说明

DXT包包括所有Python依赖项（MCP SDK、Pydantic等）
总解压大小：约45 MB，包括所有依赖项
优化用于离线安装和部署
适用于企业环境和空气隔离系统

贡献

分叉仓库
创建功能分支：git checkout -b feature/new-context
将您的上下文文件添加到/contexts
使用您的Claude Desktop设置进行测试
提交拉取请求

许可

MIT许可 - 详情见LICENSE文件。